本說明書實施例涉及計算機，尤其涉及一種基于大模型的客服系統意圖識別方法、裝置及設備。

背景技術：

1、智能客服系統在客服領域的廣泛應用，雖然極大地提高了服務效率，但在實際操作中仍面臨諸多挑戰，這些挑戰往往影響客戶體驗。具體表現在：①用戶需求多樣化，涉及業務辦理、咨詢、投訴等多個方面，智能客服難以全面覆蓋；②傳統客服系統依賴于機器學習或深度學習與規則相結合的方式來實現服務流程，這種模式在交互場景上存在較大局限性；③系統缺乏靈活的流程跳轉和打斷反悔機制，導致在復雜對話中無法有效應對。這些缺陷導致智能客服在處理非預設場景時力不從心，錯誤應對頻發，最終導致轉人工率增加。

2、根本原因在于，現有智能客服系統主要依靠自然語言處理(nlp)和規則引擎來識別客戶意圖，對于規則之外的情況往往束手無策，這使得智能客服的應用范圍受到了限制。

技術實現思路

1、為解決現有技術中存在的問題，本說明書實施例提供了一種基于大模型的客服系統意圖識別方法、裝置及設備，融合了大模型和向量數據庫檢索等多項技術，用以處理對話中的異常情況，從而精確識別用戶意圖。此外，還設計了一種機制，允許智能客服在各個不同的業務場景或環節中自如地進行切換和跳轉。

2、本說明書實施例的具體技術方案如下：

3、一方面，本說明書實施例提供了一種基于大模型的客服系統意圖識別方法，包括：

4、獲取用戶的首輪交互信息，并對所述首輪交互信息進行向量化，得到首輪交互信息向量；

5、根據所述首輪交互信息向量從場景知識庫中進行向量檢索，得到匹配度最高的首輪場景信息以及該首輪場景信息的近似度，其中，所述場景知識庫中預先存儲了多個場景對應的向量；

6、若所述首輪場景信息的近似度超過首輪場景閾值，則將首輪場景信息對應的場景作為目標場景，并調用流程引擎，由所述流程引擎調起所述目標場景，并開始按照所述目標場景對應的環節執行與所述用戶的交互；

7、其中，在所述目標場景的每輪環節交互時，將當前交互的環節作為目標環節，根據所述用戶的目標環節交互信息的向量以及所述場景知識庫判斷是否需要切換場景；

8、若是，則切換至新的目標場景，執行由所述流程引擎調起所述新的目標場景的步驟；

9、若否，則根據所述目標環節交互信息的向量以及環節知識庫判斷是否需要切換環節，所述環節知識庫中預先存儲了多個環節對應的向量；

10、若是，則切換至新的目標環節，按照所述新的目標環節執行與所述用戶的交互；

11、若否，則繼續所述目標環節，執行交互。

12、進一步地，根據所述用戶的目標環節交互信息的向量以及所述場景知識庫判斷是否需要切換場景進一步包括：

13、根據所述目標環節交互信息的向量從所述場景知識庫中進行向量檢索，得到匹配度最高的切換場景信息以及該切換場景信息的近似度；

14、判斷該切換場景信息的近似度是否超過場景切換第一閾值；

15、若是，則將該切換場景信息對應的場景作為所述新的目標場景，并緩存當前交互流程中的所有信息，以便于在切換至所述新的目標場景后，基于緩存的所有信息執行由所述流程引擎調起所述新的目標場景的步驟。

16、進一步地，若該切換場景信息的近似度未超過所述場景切換第一閾值，所述方法還包括：

17、判斷該切換場景信息的近似度是否位于場景切換第二閾值和所述場景切換第一閾值之間；

18、若是，則根據所述目標環節交互信息、該切換場景信息、指定提示語以及指定輸出格式構建提示詞，將所述提示詞輸入到預先訓練好的大模型中進行計算，得到是否需要進行場景切換的結果。

19、進一步地，若該切換場景信息的近似度未超過所述場景切換第二閾值，則無需進行場景切換。

20、進一步地，在切換至所述新的目標場景后，所述方法還包括：

21、判斷所述新的目標場景交互的環節是否為基礎交互環節；

22、若是，則判斷所述緩存的所有信息中是否包括所述基礎交互環節對應的交互信息；

23、若是，則跳過該基礎交互環節。

24、進一步地，根據所述目標環節交互信息的向量以及環節知識庫判斷是否需要切換環節進一步包括：

25、根據所述目標環節交互信息的向量從所述環節知識庫中進行向量檢索，得到匹配度最高的切換環節信息以及該切換環節信息的近似度；

26、判斷該切換環節信息的近似度是否超過環節切換閾值；

27、若是，則判斷所述切換環節信息對應的環節是否與所述目標環節相同，

28、若是，則無需切換環節；

29、若否，則需要切換環節，將所述切換環節信息對應的環節作為所述新的目標環節。

30、進一步地，若所述切換環節信息的近似度未超過所述環節切換閾值，所述方法還包括：

31、停止所述目標環節的交互，由預先訓練好的大模型生成保底交互話術并執行交互。

32、進一步地，若所述首輪場景信息的近似度未超過所述首輪場景閾值，所述方法還包括：

33、由預先訓練好的大模型生成保底交互話術并執行交互。

34、另一方面，本說明書實施例還提供了一種基于大模型的客服系統意圖識別裝置，所述裝置包括：

35、交互信息獲取單元，用于獲取用戶的首輪交互信息，并對所述首輪交互信息進行向量化，得到首輪交互信息向量；

36、場景知識庫檢索單元，用于根據所述首輪交互信息向量從場景知識庫中進行向量檢索，得到匹配度最高的首輪場景信息以及該首輪場景信息的近似度，其中，所述場景知識庫中預先存儲了多個場景對應的向量；

37、交互單元，用于在所述首輪場景信息的近似度超過首輪場景閾值時，將首輪場景信息對應的場景作為目標場景，并調用流程引擎，由所述流程引擎調起所述目標場景，并開始按照所述目標場景對應的環節執行與所述用戶的交互；

38、其中，在所述目標場景的每輪環節交互時，將當前交互的環節作為目標環節，根據所述用戶的目標環節交互信息的向量以及所述場景知識庫判斷是否需要切換場景；

39、若是，則切換至新的目標場景，執行由所述流程引擎調起所述新的目標場景的步驟；

40、若否，則根據所述目標環節交互信息的向量以及環節知識庫判斷是否需要切換環節，所述環節知識庫中預先存儲了多個環節對應的向量；

41、若是，則切換至新的目標環節，按照所述新的目標環節執行與所述用戶的交互；

42、若否，則繼續所述目標環節，執行交互。

43、另一方面，本說明書實施例還提供了一種計算機設備，包括存儲器、處理器、以及存儲在所述存儲器上的計算機程序，其特征在于，所述處理器執行所述計算機程序時，實現上述的方法。

44、本說明書實施例的基于大模型的客服系統意圖識別方法實現了整個客服業務流程中經常遇到的用戶反悔、打斷、意圖改變等情況的覆蓋；流程環節變化時可以便捷的及時同步信息，避免業務調整需要重新開發/訓練。大模型技術于意圖識別領域，充分挖掘并最大化了其識別能力，有效規避了大模型幻覺風險。和現有技術相比，主要優勢在于：靈活性，支持根據用戶意圖在環節中靈活的回溯，或是反復跳轉新的場景。業務延續性，通過緩存信息的機制，實現在場景切換及環節跳轉過程中關鍵信息的保留，如果再次返回原來場景/原來環節，已經獲取原的信息不需要再次向用戶反復提問，保證業務延續性。